為什麼numpy的array那麼快？

在python numpy中，如果我用10^6長度隨機產生的list產生numpy array,那麼產生耗時0.1s, 但是得到這個array的mean只需要init的2%的時間。 而我自己implement的array得到mean需要十幾秒。
所以numpy的array十分黑科技是應為:
1)用底層代碼太厲害？
2)init的時候partially compute了某一些中間量？(應為求mean的時間比access慢，比O(n)快 )
如果是2的話能否講一下大概思路(不需要用python O(n)就能得mean)？
感激不禁！

回複內容：

numpy的許多函數不僅是用C實現了，還使用了BLAS（一般Windows下link到MKL的，Linux下link到OpenBLAS）。基本上那些BLAS實現在每種操作上都進行了高度最佳化，例如使用AVX向量指令集，甚至能比你自己用C實現快上許多，更不要說和用Python實現的比。。你用blas試試numpy底層使用BLAS做向量，矩陣運算。像求平均值這種vector operation，很容易使用multi-threading或者vectorization來加速。比如MKL就有很多最佳化。

a=[];s=0;n=1000000from time import*from math import*from random import*st=clock()for i in range(n):a.append(random())for i in a:s=s+iet=clock()print "mean=",s/n,"time=",et-st,"seconds"

